苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

手机联用的苹果糖度便携式检测装置设计与试验

基于可见/近红外光谱技术设计了手机联用的苹果糖度便携式检测装置，旨在通过优选特征波段确定适合苹果糖度检测的波段范围及光学传感器，并通过与手机的联用完成苹果糖度的高效、便携、低成本的无损检测。选择STS-NIR微型光纤光谱仪（波长范围650~1100nm），利用实验室自行搭建的光谱采集平台对120个苹果进行光谱采集，通过偏最小二乘（PLS）算法对全波长数据进行建模，并采用连续投影法（SPA）、遗传算法（GA）和竞争自适应重加权抽样法（CARS）等变量选择方法对全波长进行特征波段的识别来选择有效波长。变量选择结果显示，所得3组特征波段含有重合项，且均包含与苹果糖度有关的变量。利用偏最小二乘（PLS）算法建立关于苹果糖度基于3组特征波段的预测模型，并对3组结果进行分析，包括对预测相关系数、预测均方根误差比较等，来评估所建模型的准确性。试验结果表明，利用3组特征波段所得建模结果均比较良好，预测相关系数都在0.93以上，其中GA-PLS模型对苹果糖度的预测效果最优，预测相关系数可达0.9447。根据上述所得特征波段的高度重合项，确定了检测苹果糖度的特征波段及其对应的光学传感器，并基于所设计的苹果糖度便携式检测装置对另取的40个苹果进行试验验证，苹果糖度的预测相关系数可达0.8822。结果表明，本文所设计的基于特征波段的手机联用的苹果糖度便携式检测装置，成本低、便于携带、检测准确率高，具有实现苹果糖度的实时无损检测的可行性。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

近红外透射光谱无损检测赣南脐橙糖度的研究

探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200～1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550～900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标.     

赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

苹果可溶性固形物近红外在线光谱变量优选

为简化近红外光谱模型,提高对苹果可溶性固形物含量的预测精度,将移动窗口偏最小二乘法(MWPLS)与遗传算法、连续投影算法相结合优选特征变量,建立偏最小二乘回归校正模型。其中移动窗口偏最小二乘法和遗传算法相结合优选的36个光谱变量建立的校正模型预测结果最好,可以有效筛选近红外光谱特征波长,模型预测相关系数为0.90,模型的预测均方根误差为0.70°Brix。     

基于近红外光谱分析法的奶粉品质快速检测

选择11个品牌的10多种配方奶粉,共80个样品,使用PDA型近红外光谱仪采集奶粉漫反射光谱,波长范围1 089～2 219 nm.对光谱进行了SNV、软阈小波消噪及一阶微分预处理,通过比较主成分在不同波长上的权重分布,选择不同波段建立校正模型和进行预测精度分析.结果表明,奶粉的蛋白质和脂肪的近红外光谱信息主要分布于1 100～1 400 nm和1 800～2 200 nm波段内,采用小波消除原始光谱的噪声能提高校正模型的稳定性和预测精度,可以利用PDA型近红外光谱快速检测多品牌、多类型配方奶粉中蛋白、脂肪含量.     

猕猴桃膨大果的近红外漫反射光谱无损识别

在833~2500 nm光谱范围内采集了120个猕猴桃膨大果和120个正常果的近红外漫反射光谱,采用变量标准化方法对光谱进行了预处理,基于Kennard-Stone方法对样本进行了划分,分别建立了基于全光谱(FS)、主成分分析法(PCA)提取的11个主成分和连续投影算法(SPA)提取的6个特征波长的偏最小二乘(PLS)、支持向量机(SVM)和误差反向传播(BP)神经网络识别模型。结果说明,所建立的9个模型对校正集和测试集中猕猴桃膨大果和正常果的正确识别率均分别大于96.7%和93.3%。PCA提取的主成分数和SPA提取的特征波长数仅是FS中波长数的0.53%和0.29%,建立的模型更加简单,且识别效率较高。PLS和SVM模型的识别率普遍高于BP神经网络模型。9种模型中PCA-PLS识别率最高,其对校正集和测试集中膨大果和正常果的正确识别率均达到100%。该研究结果表明,近红外漫反射光谱技术可作为一种准确、高效的方法应用于猕猴桃膨大果的无损识别中。     

考虑直径影响的苹果霉心病透射光谱修正及检测

针对苹果霉心病近红外透射光谱信息受果实直径影响的难题,提出了一种能够修正果实直径对透射光谱影响的方法。基于透射光谱采集平台获取327个红富士苹果的可见/近红外光谱(350～1 100 nm)信息,采用电子游标卡尺获取其直径(光程)信息。以直径为80 mm健康苹果的平均光谱作为参考光谱,将327个苹果的光谱与参考光谱进行比较,结合直径信息利用公式求得透射光在果实内的衰减系数P,用衰减系数P进行透射光谱的修正。修正后光谱建立支持向量机(SVM)模型、误差反向传播神经网络(BP-ANN)模型,并与修正前原始光谱建立模型进行对比。实验结果表明,应用此光谱修正方法能够显著提高模型判别精度,其中应用SVM算法对修正后的光谱建立模型效果最好,对训练集和测试集的判别准确率分别为99. 34%和90. 20%,相对于原始光谱建立的模型判别准确率分别提高了7. 84和5. 89个百分点。基于此方法修正果实直径对于透射光谱的影响是可行的,构建的模型能够实现苹果霉心病的准确判别。     

基于近红外光谱的面粉灰分含量快速检测方法

针对目前面粉灰分含量的检测方法存在操作繁琐、耗时长、费时费力和检测效率低等问题,运用近红外光谱分析技术检测面粉的灰分含量,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)及BP神经网络算法进行定量分析研究。结果表明:采用偏最小二乘法(PLS)所建的定量分析模型的决定系数R2为90.66,预测均方根误差RMSEP为0.055 3,总偏差为0.0279 3;用BP神经网络预测总偏差为0.036 7。研究发现,近红外光谱技术用于快速无损检测面粉灰分含量是可行的,且PLS、BP神经网络算法可进行面粉灰分含量预测。     

近红外光谱数据建模方法的研究进展

应用化学计量学对近红外光谱数据进行建模是近红外光谱分析中的难点和关键。随着研究的深入,现有分析建模的改进算法和新方法的应用不断出现。本文详细阐述了数据预处理、定性和定量建模优化方法的研究进展。在降噪消噪方法中,小波(WT)变换是最为常用和有效的工具,应用非常广泛。波长优化选择方法是现在研究的重点之一,主要有遗传算法(GA)、无信息变量消除方法(UVE)和连续投影算法(SPA)等。在模型优化算法中,主要是在偏最小二乘法(PLS)、人工神经网络(ANN)和支持向量机(SVM)的基础上提出多种改进算法,能够更加有效地优化模型。但每种算法各具优点的同时也存在着一定的局限性,对于不同类型待测物的数学模型,优化的方法也有所不同,所以在实际应用中将多种数学挖掘方法结合,相互取长补短,将成为今后研究趋势。      

基于Cruise的某客车传动比的优化

通过对某型客车建立AVL Cruise整车仿真模型,与企业提供的设计目标进行比对,反复修改以保证整车模型的精度,将Cruise与Isight集成,以变速器速比和主减速器速比为设计变量,以NEDC循环工况百公里油耗量作为设计目标,用多岛遗传算法对模型进行求解,达到了优化整车的动力性和燃油经济性的目的。     

砂糖橘可溶性总糖可见-近红外光谱无损检测

在波长450-2500 nm范围提取189个砂糖橘的漫反射光谱,使用sym8小波的3层分解对其进行去噪预处理,引入连续投影算法(SPA)对光谱进行压缩,从2051个波长中初步提取14个优选波长,以这14个波长建立的多元线性回归模型(MLR)的预测相关系数为0.8855,预测均方根误差为0.5111,效果优于全谱偏最小二...     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

基于反射光谱的苹果叶片叶绿素和含水率预测模型

为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。     

峰谷电价下的梯级水电站短期优化

依据发电企业既要服从电网调度又要追求自身效益的特点，建立了两个考虑峰谷分时电价因子的梯级短期调度模型，并选用逐次优化和逐步逼近的混合算法(POA－DPSA)求解。该模型简单，算法易于实现。将该理论应用于电站实际演算中，结果表明这两个优化模型对促进电网的安全、提高企业发电效益具有较高的应用价值。     

灌溉渠道分水口非等流量配水优化模型研究

灌溉配水优化模型旨在解决渠道各分水口运行时流量调度的最优组合方案,常规的轮灌分组模型只适用于分水口相同流量情况,且采用以小时为单位的各引水时段作为状态变量,变量多,求解不易。对于分水口的流量不相同的情况,提出了以引水开闸时刻和引水结束时刻作为优化变量,以灌溉期总流量保持恒定为目标函数的优化模型,该模型自然满足一次性引水约束条件。采用了多点交叉的改进遗传算法对该模型进行优化求解,提高了收敛速度,优化结果表明该优化模型及求解方法较好地解决了分水口非等流量的问题,具有普遍的适用意义。     

灌溉渠道分水IEI非等流量配水优化模型研究

灌溉配水优化模型旨在解决渠道各分水口运行时流量调度的最优组合方案，常规的轮灌分组模型只适用于分水口相同流量情况，且采用以小时为单位的各引水时段作为状态变量，变量多，求解不易。对于分水口的流量不相同的情况，提出了以引水开闸时刻和引水结束时刻作为优化变量，以灌溉期总流量保持恒定为目标函数的优化模型，该模型自然满足一次性引水约束条件。采用了多点交叉的改进遗传算法对该模型进行优化求解，提高了收敛速度，优化结果表明该优化模型及求解方法较好地解决了分水口非等流量的问题，具有普遍的适用意义。     

马铃薯干物质空间分布状态可视化研究

采用可见-近红外高光谱检测系统对马铃薯中干物质进行快速检测,并最终实现其分布状态的可视化。采用9种光谱预处理方法对采集的马铃薯高光谱数据进行分析对比,得到标准正态变量(SNV)结合Savitzky-Golay平滑(SG)和一阶导数(FD)的预处理方法效果最好。经过光谱预处理后,采用正自适应加权算法-连续投影法(CARSSPA)对光谱进行特征变量提取,获得22个变量。对所选变量不同的建模方法进行了比较,以偏最小二乘回归(PLSR)模型预测效果最优,预测集决定系数为0.849,均方根误差为0.878%,相对分析误差为2.312,优于全波段模型。将SNV-SG-FD-CARS-SPA-PLSR模型与高光谱图像结合,得到马铃薯干物质主要分布在内髓与维管束环之间、在内髓位置干物质含量最低、由内髓向外干物质逐渐增加的空间分布。内髓位置干物质质量分数最低,为12.16%,外层最高可达24.62%。结果表明:可见-近红外高光谱技术可准确、快速地实现马铃薯干物质的检测和空间分布的可视化。     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。